检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

密度峰值聚类算法研究进展

软件学报 2022年第5期33卷 1800-1816页

作者：徐晓丁世飞丁玲中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116

密度峰值聚类(density peaks clustering,DPC)算法是聚类分析中基于密度的一种新兴算法,该算法考虑局部密度和相对距离绘制决策图,快速识别簇中心,完成聚类.DPC具有唯一的输入参数,且无需先验知识,也无需迭代.自2014年提出以来,DPC引起... 详细信息

密度峰值聚类(density peaks clustering,DPC)算法是聚类分析中基于密度的一种新兴算法,该算法考虑局部密度和相对距离绘制决策图,快速识别簇中心,完成聚类.DPC具有唯一的输入参数,且无需先验知识,也无需迭代.自2014年提出以来,DPC引起了学者们的极大兴趣,并得到了快速发展.首先阐述DPC的基本理论,并通过与经典聚类算法比较,分析了DPC的特点;其次,分别从聚类精度和计算复杂度两个角度分析了DPC的弊端及其优化方法,包括局部密度优化、分配策略优化、多密度峰优化以及计算复杂度优化,并介绍了每个类别的主要代表算法;最后介绍了DPC在不同领域中的相关应用研究.对DPC的优缺点提供了全面的理论分析,并对DPC的优化以及应用进行了全面阐述.还试图找出进一步的挑战来促进DPC研究发展.

关键词：密度峰值聚类聚类精度计算复杂度应用

双阶自适应小波聚类的航空发动机故障分类与识别

在线全文

学校读者我要写书评

暂无评论

振动工程学报 2018年第1期31卷 165-175页

作者：左红艳刘晓波洪连环南京航空航天大学机电学院江苏南京210016 南昌航空大学航空制造工程学院江西南昌330063

为了快速准确地实现航空发动机转子故障的分类与识别,提出了双阶自适应小波聚类方法。双阶自适应小波聚类过程是:首先采用粗网格量化数据空间,找出存在聚类的空间区域,实现数据的预分选聚类;然后统计子聚类的信息,计算其二次聚类的量化... 详细信息

为了快速准确地实现航空发动机转子故障的分类与识别,提出了双阶自适应小波聚类方法。双阶自适应小波聚类过程是:首先采用粗网格量化数据空间,找出存在聚类的空间区域,实现数据的预分选聚类;然后统计子聚类的信息,计算其二次聚类的量化值;最后对子聚类的数据空间进行自适应细划分,实现子聚类数据空间的小波聚类。应用双阶自适应小波聚类方法对航空发动机转子的正常、不对中、碰摩、松动故障进行分类与识别,结果显示4种类型被正确分类。因此表明,对于密度分布不均匀的多类型混合数据,双阶自适应小波聚类方法能够根据数据分布特点自适应的量化网格,实现故障的正确分类与识别,诊断精度显著高于传统的小波聚类方法。

关键词：故障诊断航空发动机小波聚类双阶自适应聚类精度

在线全文

学校读者我要写书评

暂无评论

基于连通分量的分类变量聚类算法

控制与决策 2015年第1期30卷 39-45页

作者：周红芳周扬张晓鹏谈姝辰西安理工大学计算机科学与工程学院西安710048 陕西应用物理化学研究所西安710061

针对分类变量相似度定义存在的不足,提出一种新的相似度定义.利用新的相似度定义,将数据集抽象为无向图,将聚类过程转化为求无向图连通分量的过程,进而提出一种基于连通分量的分类变量聚类算法.为了定量地分析该算法的聚类效果,针对类... 详细信息

针对分类变量相似度定义存在的不足,提出一种新的相似度定义.利用新的相似度定义,将数据集抽象为无向图,将聚类过程转化为求无向图连通分量的过程,进而提出一种基于连通分量的分类变量聚类算法.为了定量地分析该算法的聚类效果,针对类别归属已知的数据集,提出一种新的聚类结果评价指标.实验结果表明,所提出的算法具有较高的聚类精度和聚类效率.

关键词：聚类分类变量相似度连通分量聚类精度

在线全文

学校读者我要写书评

暂无评论

基于无监督学习视觉特征的深度聚类方法

南京航空航天大学学报 2021年第5期53卷 718-725页

作者：陈俊芬赵佳成翟俊海李艳河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室保定071002 北京师范大学珠海分校应用数学学院珠海519087

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-enco... 详细信息

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-encoder with an asymmetric structure,ASCAE)的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法(AEC、IEC、DEC和DEN)。

关键词：图像聚类卷积自编码器特征表示 K-means算法聚类精度

在线全文

学校读者我要写书评

暂无评论

结合降噪和自注意力的深度聚类算法

计算机科学与探索 2021年第9期15卷 1717-1727页

作者：陈俊芬张明赵佳成谢博鋆李艳河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 北京师范大学珠海分校应用数学学院广东珠海519087

近几年,联合聚类划分和表示学习的深度聚类方法提供了出色的聚类性能,但随着图像质量的下降(比如噪声图像),聚类结果还不能令人满意。为此,提出一种新的深度聚类算法(DDC)。深度卷积降噪自编码器学习噪声数据的特征表示;自注意力机制提... 详细信息

近几年,联合聚类划分和表示学习的深度聚类方法提供了出色的聚类性能,但随着图像质量的下降(比如噪声图像),聚类结果还不能令人满意。为此,提出一种新的深度聚类算法(DDC)。深度卷积降噪自编码器学习噪声数据的特征表示;自注意力机制提高网络捕获局部关键信息的能力;端到端的联合训练得到合适的特征表示并完成聚类分配;对数据点和类中心的相似度赋予不同的权重,扩大同类和异类之间的差异。在公开图像数据集上的实验表明DDC算法的聚类性能更高;并与其他深度聚类算法进行对比,例如在COIL-20上DDC的聚类精度是0.803,而DEC算法仅是0.597。总之,结合自注意力和深度卷积降噪自编码器的DDC算法能对噪声图像进行更有效的聚类分析,扩大了图像聚类的应用范围。

关键词：深度聚类特征表示卷积降噪自编码器自注意力机制聚类精度

融合全局最好和声搜索算法的模糊C均值聚类图像分割

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2013年第9期18卷 1133-1141页

作者：崔兆华高立群欧阳海滨李文娜东北大学信息科学与工程学院解放军第65041部队

针对传统模糊C均值(FCM)聚类算法聚类数目难以确定,迭代速度慢,易陷入局部最优以及对聚类中心初始值的设置敏感等问题,提出一种融合全局最好和声搜索模糊C均值(GBHS-FCM)聚类算法。首先,利用全局最好和声搜索(GBHS)算法的全局性和鲁棒... 详细信息

针对传统模糊C均值(FCM)聚类算法聚类数目难以确定,迭代速度慢,易陷入局部最优以及对聚类中心初始值的设置敏感等问题,提出一种融合全局最好和声搜索模糊C均值(GBHS-FCM)聚类算法。首先,利用全局最好和声搜索(GBHS)算法的全局性和鲁棒性的优点,得到初始聚类中心和聚类个数,再将其作为传统FCM聚类算法的初始聚类中心和聚类个数;其次,提出一种新颖的模糊聚类目标函数,将图像像素点邻域依赖特性考虑进来,与像素点灰度信息共同作用,增强了分割结果空间的连续性;此外,还采用了一种新颖的距离公式代替欧氏距离公式,增强了新算法对噪声的鲁棒性。仿真结果表明,新算法有效避免了传统FCM算法因初始聚类中心设置敏感而收敛到局部最优解,在聚类精度、速度和鲁棒性上均比传统FCM算法有所提高,针对具有不同特征的图像分割取得了较好的结果。

关键词：图像分割模糊C均值聚类全局最好和声搜索算法聚类精度

在线全文

学校读者我要写书评

暂无评论

粗糙K-Modes聚类算法

计算机应用 2011年第1期31卷 97-100页

作者：李仁侃叶东毅福州大学数学与计算机科学学院福州350108

Michael ***等人提出了新K-Modes聚类算法,它采用基于相对频率的启发式相异度度量方法,有效地提高了聚类精度,但不足的是在计算各类的属性分类值频率时假定类中样本对聚类的贡献相同。为了考虑类中样本对类中心的不同影响,提出一种粗糙K... 详细信息

Michael ***等人提出了新K-Modes聚类算法,它采用基于相对频率的启发式相异度度量方法,有效地提高了聚类精度,但不足的是在计算各类的属性分类值频率时假定类中样本对聚类的贡献相同。为了考虑类中样本对类中心的不同影响,提出一种粗糙K-Modes算法,通过粗糙集的上、下近似度量数据样本在类内的重要性程度,不仅可以获得比新K-Modes算法更好的聚类效果,而且可以在保证聚类效果的基础上降低白亮等人提出的基于粗糙集改进的K-Modes算法的计算复杂度。对几个UCI的数据集的测试实验结果显示出新算法的优良性能。

关键词：聚类 K—Modes算法粗糙集类中心聚类精度

在线全文

学校读者我要写书评

暂无评论

分布式环境中聚类问题算法研究综述

计算机应用研究 2013年第9期30卷 2561-2564页

作者：海沫张书云马燕林中央财经大学信息学院北京100081

传统的集中式聚类是对集中存放在单个站点的数据集进行聚类,但不能解决数据分布存储环境下的聚类问题,而分布式聚类算法是从分布存储的数据集中提取分类模式,因此能满足此需求。针对分布式聚类算法进行综述和分析。首先对现有的分布式... 详细信息

传统的集中式聚类是对集中存放在单个站点的数据集进行聚类,但不能解决数据分布存储环境下的聚类问题,而分布式聚类算法是从分布存储的数据集中提取分类模式,因此能满足此需求。针对分布式聚类算法进行综述和分析。首先对现有的分布式聚类算法进行了分类,然后对每类算法的基本思想和优缺点进行了比较,最后采用Iris和Wine两个数据集对几种分布式聚类算法从聚类精度和聚类时间两方面进行了比较。

关键词：集中式聚类分布式聚类聚类精度聚类时间

在线全文

学校读者我要写书评

暂无评论

一种改进萤火虫算法的模糊聚类方法

小型微型计算机系统 2021年第6期42卷 1165-1170页

作者：孟学尧郭倩倩郭海儒河南理工大学计算机科学与技术学院河南焦作454000 河南理工大学学术出版中心河南焦作454000

模糊C均值聚类容易受噪声数据影响,进而影响聚类准确率.鉴于此,提出了一种改进萤火虫算法的模糊聚类方法.该方法首先在萤火虫算法中引入Chebyshev映射初始化种群的分布;然后提出一种自适应步长方法来平衡探索与开发能力;最后在局部搜索... 详细信息

模糊C均值聚类容易受噪声数据影响,进而影响聚类准确率.鉴于此,提出了一种改进萤火虫算法的模糊聚类方法.该方法首先在萤火虫算法中引入Chebyshev映射初始化种群的分布;然后提出一种自适应步长方法来平衡探索与开发能力;最后在局部搜索过程中对每次迭代的最优个体加入高斯扰动策略,使其跳出局部最优.该过程拥有良好的寻优能力,易于得到全局最优值,将其作为模糊C均值聚类算法的初始中心进行聚类,可有效增强算法的鲁棒性,提高算法的全局寻优能力.为了评估算法的有效性,在4个数据集上进行了对比实验,实验结果表明该算法在聚类准确率和鲁棒性方面均优于对比算法.

关键词：模糊C均值聚类萤火虫算法局部最优聚类精度鲁棒性